本文關(guān)鍵詞：松嫩平原典型土壤有機(jī)質(zhì)高光譜預(yù)測(cè)模型研究

  更多相關(guān)文章： 高光譜遙感 土壤有機(jī)質(zhì) 土壤光譜分類

【摘要】：利用高光譜遙感建立精確的土壤有機(jī)質(zhì)預(yù)測(cè)模型,是實(shí)現(xiàn)土壤有機(jī)質(zhì)的快速測(cè)定、精準(zhǔn)農(nóng)業(yè)、土壤碳庫估算的必然要求。準(zhǔn)確的掌握土壤分布信息是土壤制圖及建立土壤數(shù)據(jù)庫的重要依據(jù),對(duì)我國(guó)土地管理及土地利用規(guī)劃具有重要的指導(dǎo)意義。土壤高光譜遙感預(yù)測(cè)模型已被用于土壤有機(jī)質(zhì)、氧化鐵、水分等屬性的快速測(cè)定,其中,偏最小二乘回歸(PLSR)因其能夠有效解決變量存在的共線性,而被廣泛應(yīng)用于土壤理化性質(zhì)高光譜預(yù)測(cè)模型,但模型輸入量(高光譜反射率的數(shù)學(xué)變換形式、波長(zhǎng)范圍、光譜分辨率等)的確定存在明顯的主觀性。本研究以實(shí)驗(yàn)室測(cè)得土壤反射率為研究對(duì)象,通過正交試驗(yàn)設(shè)計(jì)(Orthogonal experimental design,OED)確定土壤有機(jī)質(zhì)PLSR預(yù)測(cè)模型最優(yōu)輸入量,并運(yùn)用單一土類(黑土)及不同土壤類型進(jìn)行了驗(yàn)證。經(jīng)過驗(yàn)證發(fā)現(xiàn),OED能夠有效的確定土壤有機(jī)質(zhì)PLSR模型最優(yōu)輸入量,單一土類(黑土)的最優(yōu)輸入量為光譜分辨率25nm下,1000-2450nm的倒數(shù)對(duì)數(shù)微分(RPD=3.45);不同土壤類型最優(yōu)輸入量為光譜分辨率5nm下,400-2450nm的倒數(shù)對(duì)數(shù)微分(RPD=2.58),兩者最優(yōu)數(shù)學(xué)變換形式均為倒數(shù)對(duì)數(shù)微分,該結(jié)果為土壤有機(jī)質(zhì)PLSR模型預(yù)測(cè)提供新的途徑同時(shí)也增強(qiáng)了不同學(xué)者研究成果的可比性。為減少模型輸入量,本研究繪制了土壤有機(jī)質(zhì)與不同數(shù)學(xué)變換形式光譜分辨率的相關(guān)系數(shù)曲線圖,分別提取了13個(gè)關(guān)鍵點(diǎn)作為PLSR和MSR模型的輸入量。結(jié)果表明:1)采用關(guān)鍵點(diǎn)作為土壤有機(jī)質(zhì)PLSR預(yù)測(cè)模型的輸入量可以有效減少模型輸入量個(gè)數(shù)并保持與最優(yōu)輸入量相似的預(yù)測(cè)能力(RPD=3.12,2.33),為有機(jī)質(zhì)含量速測(cè)提供了新途徑。2)采取關(guān)鍵點(diǎn)作為輸入量PLSR土壤有機(jī)質(zhì)預(yù)測(cè)能力要高于MSR模型,二者均可以滿足黑土有機(jī)質(zhì)的快速測(cè)定(RPD3.0),對(duì)于不同土壤類型有機(jī)質(zhì)含量預(yù)測(cè)二者預(yù)測(cè)能力相似(2.0RPD2.5)。3)不同土壤類型由于成土母質(zhì)、理化性質(zhì)的不同,土壤光譜特征也存在差異,因此導(dǎo)致模型精度普遍低于單一土類�；趯哟蔚哪：齂均值聚類對(duì)土壤進(jìn)行分類,最終將土壤分為五類,分類結(jié)果大體與實(shí)際采樣結(jié)果相似。土壤經(jīng)過光譜分類后,全局模型精度由原來的0.76和2.04提高到0.83和2.42。4)基于光譜特征參數(shù)提取的光譜角匹配將土壤光譜曲線分為三類,全局模型預(yù)測(cè)精度季穩(wěn)定性均有所提高(0.85和2.60),模型RPD2.5,有很好的預(yù)測(cè)能力。綜上所述,土壤光譜定量分類能夠有效的提高土壤有機(jī)質(zhì)預(yù)測(cè)模型精度,且基于光譜特征參數(shù)的光譜角匹配能夠獲取較高的預(yù)測(cè)精度,為土壤光譜分類提供了新的思路。
【關(guān)鍵詞】：高光譜遙感 土壤有機(jī)質(zhì) 土壤光譜分類
【學(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S153.621;S127
【目錄】：

• 摘要8-9
• 英文摘要9-11
• 1 引言11-20
• 1.1 研究目的及意義11-13
• 1.1.1 研究背景11
• 1.1.2 研究目的意義11-13
• 1.2 國(guó)內(nèi)外研究動(dòng)態(tài)13-17
• 1.2.1 土壤高光譜遙感研究動(dòng)態(tài)13-14
• 1.2.2 土壤有機(jī)質(zhì)高光譜預(yù)測(cè)模型研究進(jìn)展14-16
• 1.2.3 土壤光譜分類在土壤有機(jī)質(zhì)含量預(yù)測(cè)中的應(yīng)用16-17
• 1.3 研究?jī)?nèi)容、研究方法及技術(shù)路線17-19
• 1.3.1 研究?jī)?nèi)容及方法17-18
• 1.3.2 技術(shù)路線18-19
• 1.4 研究重點(diǎn)和難點(diǎn)19
• 1.5 預(yù)期創(chuàng)新點(diǎn)19-20
• 2 理論基礎(chǔ)與建模方法20-25
• 2.1 遙感相關(guān)概念20
• 2.2 土壤有機(jī)質(zhì)高光譜建模方法20-23
• 2.2.1 偏最小二乘回歸20-21
• 2.2.2 多元逐步回歸21-22
• 2.2.3 正交試驗(yàn)設(shè)計(jì)22-23
• 2.3 土壤有機(jī)質(zhì)高光譜預(yù)測(cè)模型精度評(píng)價(jià)23-25
• 2.3.1 交叉驗(yàn)證方法23-24
• 2.3.2 模型精度評(píng)價(jià)方法及指標(biāo)24-25
• 3 研究區(qū)概況與數(shù)據(jù)處理25-30
• 3.1 研究區(qū)概況25-26
• 3.1.1 地理位置25
• 3.1.2 氣候條件25
• 3.1.3 土壤條件25-26
• 3.2 樣品采集與測(cè)試26-27
• 3.2.1 土壤樣品采集26
• 3.2.2 室內(nèi)土壤高光譜測(cè)試26-27
• 3.3 光譜數(shù)據(jù)預(yù)處理27-30
• 3.3.1 九點(diǎn)加權(quán)移動(dòng)平均法28
• 3.3.2 連續(xù)統(tǒng)處理28
• 3.3.3 微分處理技術(shù)28-29
• 3.3.4 光譜數(shù)據(jù)重采樣29-30
• 4 松嫩平原典型土壤有機(jī)質(zhì)含量高光譜預(yù)測(cè)30-41
• 4.1 土壤有機(jī)質(zhì)反射光譜特征分析30-32
• 4.1.1 單一土壤（黑土）有機(jī)質(zhì)反射光譜特征分析30-31
• 4.1.2 不同類型土壤有機(jī)質(zhì)高光譜特征分析31-32
• 4.2 土壤有機(jī)質(zhì)高光譜PLSR最優(yōu)輸入量的確定32-36
• 4.2.1 正交試驗(yàn)設(shè)計(jì)確定土壤有機(jī)質(zhì)高光譜PLSR最優(yōu)輸入量32-33
• 4.2.2 單一土類（黑土）正交試驗(yàn)設(shè)計(jì)結(jié)果驗(yàn)證33-35
• 4.2.3 不同土壤類型正交試驗(yàn)設(shè)計(jì)結(jié)果驗(yàn)證35-36
• 4.3 基于反射光譜特征的土壤有機(jī)質(zhì)含量預(yù)測(cè)36-38
• 4.3.1 土壤光譜特征關(guān)鍵點(diǎn)（KP）的提取36-37
• 4.3.2 PLSR及MSR建模結(jié)果對(duì)比分析37-38
• 4.4 小結(jié)38-41
• 5 光譜定量分類在土壤有機(jī)質(zhì)高光譜預(yù)測(cè)中的應(yīng)用41-53
• 5.1 基于土壤反射光譜聚類分析的有機(jī)質(zhì)預(yù)測(cè)模型42-47
• 5.1.1 兩階聚類確定最佳分類數(shù)目43-44
• 5.1.2 基于聚類分析分類的預(yù)測(cè)模型44-47
• 5.2 基于土壤反射光譜角分類的有機(jī)質(zhì)預(yù)測(cè)模型47-51
• 5.2.1 光譜角度匹配47
• 5.2.2 基于土壤特征參數(shù)提取的光譜角匹配47-48
• 5.2.3 基于土壤反射光譜特征分類的預(yù)測(cè)模型48-51
• 5.3 小結(jié)51-53
• 6 結(jié)論與展望53-55
• 6.1 結(jié)論53-54
• 6.2 不足與展望54-55
• 致謝55-57
• 參考文獻(xiàn)57-63
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文63

，

本文編號(hào)：881400